当下移动互联网、物联网、云计算等技术的发展催生了超越以往任何年代的海量数据。时空大数据拥有大数据和地理时空的双重价值意义,针对时空大数据进行挖掘和发现是当前GIS领域的热点之一。时空大数据相较于传统GIS数据有着体量大、更新快、多维度等特征,时空大数据在处理过程中对技术有着更高的要求。本文利用云技术和大数据框架来对武汉市7个月大约120G的出租车轨迹数据进行分析和处理,并利用成熟的前端框架和可视化库对处理结果进行可视化,挖掘武汉市城市居民的出行规律,并对武汉市出租车运营情况、武汉市市政交通情况、武汉市区域间流动性和影响力等进行时空统计分析。研究结果可用于指导居民出行活动、出租车运营策略、市政交通管理以及武汉市城市规划。本文具体的研究和工作内容如下:(1)分析了原始数据集的质量问题,并根据原始数据集的质量问题提出提升数据质量的解决办法。通过在弹性云服务器上搭建Hadoop大数据处理平台,设计了一套完整的数据处理流程,对出租车轨迹数据进行数据清洗、OD点提取、地理坐标转换等运算处理工作。有效地提高了数据处理的效率,并降低了处理成本。(2)从不同维度研究了居民出行特征和出租车运营情况的时空规律。通过结合气象数据对OD点数据集进行统计分析,得到了不同气象情况下出租车订单量和订单效率的日均变化情况;通过对特殊日期下OD点数据集进行统计分析,得到了不同日期下出租车订单量和订单效率的日均变化情况;通过对日订单效率和空载时长的统计分析,得到了武汉市出租车运营情况的时空分析结果。(3)分析了武汉市的交通拥堵情况以及区域吸引力和流动性。通过对速度阈值分层设色,得到了武汉市不同时段道路交通拥堵情况;通过热力图对不同时段的OD点分别可视化,得到了武汉市居民出行不同时段上、下车的热点区域。提出了区域自吸引力系数、区域间流动系数、区域间流动均衡系数等指标对武汉市主要行政区间、商圈间、交通枢纽间的吸引力和流动性进行分析,并生成OD矩阵量化分析结果,通过笛卡尔热力图对分析结果进行可视化,最后从地理空间角度使用迁徙图对人口在不同区域间的流动情况进行可视化分析。(4)利用Bootstrap前端框架和Echarts可视化库搭建了可视化系统,将热力图、迁徙图、拥堵图、区域流动性统计、订单统计划分为5个一级菜单,对本文空间分析结果的可视化进行合理布局,实现了时空轨迹数据分析结果的可视化,提高了分析结果的直观性。